[发明专利]一种耦合伯努利-伽马-高斯分布的日尺度降水预报校正方法

说明书

本发明为克服日尺度降水数据呈现的偏态与离散‑连续混合分布导致难以对日尺度降水预报进行分析及校正的缺陷，提出一种耦合伯努利‑伽马‑高斯分布的日尺度降水预报校正方法，包括以下步骤：采集日尺度的原始预报数据和观测数据；采用伯努利分布进行降水发生分析；采用伽马分布对发生降水的数据进行降水量分析；根据伯努利分布和伽马分布的分析结果，采用高斯分布将原始预报数据和观测数据进行正态转化，得到相应的正态化变量；构建双变量联合正态分布；构建预报变量的条件概率分布；判断待校正预报是否为发生降水事件，根据预报变量的条件概率分布，确定预报变量的条件概率分布参数后对其进行随机采样，再根据正态分位逆变换得到校正预报。

技术领域

本发明涉及水文预报校正技术领域，更具体地，涉及一种耦合伯努利-伽马-高斯分布的日尺度降水预报校正方法。

背景技术

降水是水文循环的关键环节；全球气象模型的稳步发展，能够提供丰富的日尺度降水预报信息，为流域水资源管理与防汛抗旱工作的开展提供重要参考。受全球气象模型的结构、参数和初始与边界条件等的影响，其产生的原始预报常含有复杂的系统误差与随机误差，不利于降水预报的工程应用，因此目前主要通过伽马分布、韦伯分布等对月尺度降水数据进行拟合分析后进行降水预报校正。

但针对日尺度降水数据，由于日尺度降水数据常具有非负性，导致其呈现复杂的偏态与离散-连续混合分布，为建模分析带来困难。在自然条件下，降水具有非负性，即降水量不存在负值，其最小值为零。而在传统的月尺度降水建模分析过程中，除极干旱的地区外，月尺度降水一般不含有零值，其分布可认为是普通的连续分布。与月尺度降水不同，日尺度降水中通常存在一定数量的零值，这导致降水量的分布并不是单纯的连续分布，而是离散-连续的混合分布。伽马分布在零值点上无定义，这导致无法直接通过伽马分布对日尺度降水进行建模分析，难以对日尺度降水预报进行校正。

发明内容

本发明为克服上述现有技术所述的由于日尺度降水数据呈现复杂的偏态与离散-连续混合分布导致难以对日尺度降水预报进行分析及校正的缺陷，提供一种耦合伯努利-伽马-高斯分布的日尺度降水预报校正方法。

为解决上述技术问题，本发明的技术方案如下：

一种耦合伯努利-伽马-高斯分布的日尺度降水预报校正方法，包括以下步骤：

S1：采集日尺度的流域面平均降水的原始预报数据和相应流域面的平均降水的观测数据；

S2：采用伯努利分布对所述原始预报数据和观测数据进行降水发生分析；

S3：采用伽马分布对发生降水的原始预报数据和观测数据进行降水量分析；

S4：根据伯努利分布和伽马分布的分析结果，将所述原始预报数据和观测数据进行正态转化，得到所述原始预报数据和观测数据相应的正态化变量和

S5：根据所述正态化变量和构建双变量联合正态分布；

S6：将所述原始预报数据的正态化变量作为预报因子，将所述观测数据的正态化变量作为预报变量，构建所述预报变量的条件概率分布；

S7：判断待校正的预报数据是否发生降水事件，确定预报变量的条件概率分布，进一步对预报变量的条件概率分布进行随机采样，再根据正态分位逆变换得到校正预报。

作为优选方案，采用伯努利分布对所述原始预报数据和观测数据进行降水发生分析的步骤包括：

S2.1：设置原始预报数据阈值T_f和观测数据阈值T_o并对降水事件是否发生进行判断：当原始预报数据的降水量、观测数据的降水量小于相应的阈值T_f、T_o时，则分析为未发生降水事件；当原始预报数据的降水量、观测数据的降水量大于或等于相应的阈值T_f、T_o时，则分析为发生降水事件；